人工免疫系統(tǒng)對(duì)外部入侵的精確識(shí)別是通過(guò)模擬生物的免疫機(jī)制來(lái)完成的,在網(wǎng)絡(luò)入侵檢測(cè)上的應(yīng)用非常的普遍。但是因?yàn)榫W(wǎng)絡(luò)數(shù)據(jù)的流量越來(lái)越多,一般應(yīng)用的基于否定選擇算法檢測(cè)的準(zhǔn)確率和效率都不高。對(duì)此,本課題分別改進(jìn)了對(duì)初始數(shù)據(jù)的降維與檢測(cè)器的分布,提出了一種基于深度信念網(wǎng)絡(luò)的免疫檢測(cè)器生成及分布優(yōu)化方法。本課題的主要內(nèi)容如下:首先針對(duì)否定選擇算法（Negative Selection algorithm,NSA）在檢測(cè)器使用初始的自體集合進(jìn)行生成時(shí),因?yàn)槌跗跀?shù)據(jù)非常繁雜的特征,導(dǎo)致生成檢測(cè)器的效率很低的情況,提出了一種基于深度信念網(wǎng)絡(luò)的免疫檢測(cè)器生成算法,將深度信念網(wǎng)絡(luò)運(yùn)用到特征提取上,來(lái)預(yù)處理優(yōu)化降維高維的數(shù)據(jù),很大程度降低了初始數(shù)據(jù)的維度,去除大量的冗余,該算法在降維前后可保證原始數(shù)據(jù)高維的特征保留到最大程度,再利用否定選擇算法后提升了成熟檢測(cè)器生成的效率。對(duì)數(shù)據(jù)降維后,因?yàn)闄z測(cè)器在隨機(jī)產(chǎn)生后不能均勻的分布在非自體的空間中,因此用否定選擇算法對(duì)檢測(cè)器進(jìn)行隨機(jī)生成時(shí),會(huì)造成檢測(cè)器利用的概率較低。對(duì)此,提出了一種基于粒子群優(yōu)化算法結(jié)合克隆選擇的免疫檢測(cè)器分布優(yōu)化算法。此算法將初步生成的檢測(cè)器進(jìn)行... 

【文章來(lái)源】：哈爾濱理工大學(xué)黑龍江省

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

免疫算法的基本架構(gòu)

免疫檢測(cè)器模型

哈爾濱理工大學(xué)工程碩士學(xué)位論文-38-圖5-4不同檢測(cè)模型的檢測(cè)性能對(duì)比Fig.5-4comparisonofdetectionperformanceofdifferentdetectionmodels5.4本章小結(jié)針對(duì)第3章和第4章在本章進(jìn)行實(shí)驗(yàn)分析。先對(duì)數(shù)據(jù)在初期使用ADBN算法進(jìn)行預(yù)處理，將數(shù)據(jù)降維。ADBN算法能夠在操作前后最大程度的保留原始數(shù)據(jù)高維的特征。成熟檢測(cè)器經(jīng)過(guò)實(shí)值否定選擇算法生成。然后通過(guò)基于粒子群優(yōu)化的免疫檢測(cè)器分布優(yōu)化對(duì)檢測(cè)器覆蓋情況進(jìn)行優(yōu)化。實(shí)驗(yàn)采用NSL-KDD數(shù)據(jù)集，本章通過(guò)實(shí)驗(yàn)確定了一些比較重要的參數(shù)。并對(duì)檢測(cè)速度和檢測(cè)性能進(jìn)行了測(cè)試，檢測(cè)結(jié)果在檢測(cè)性能穩(wěn)定性的影響下差異巨大。實(shí)驗(yàn)說(shuō)明，該方法生成并優(yōu)化的檢測(cè)器性能良好，檢測(cè)速率和檢測(cè)性能都有了提升。

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林與人工免疫的入侵檢測(cè)算法[J]. 張玲,張建偉,桑永宣,王博,侯澤翔.  計(jì)算機(jī)工程. 2020(08)
[2]基于人工免疫的集成入侵檢測(cè)模型[J]. 辛壯,萬(wàn)良.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(10)
[3]基于激素調(diào)節(jié)免疫網(wǎng)絡(luò)聚類(lèi)的入侵檢測(cè)系統(tǒng)[J]. 白琳,楊超.  信息安全學(xué)報(bào). 2019(05)
[4]激素調(diào)節(jié)的克隆選擇聚類(lèi)在入侵檢測(cè)中的應(yīng)用[J]. 白琳.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(09)
[5]動(dòng)態(tài)深度信念網(wǎng)絡(luò)模型構(gòu)建[J]. 張俊俊,何良華.  微型機(jī)與應(yīng)用. 2017(01)
[6]一種基于核熵和人工免疫的網(wǎng)絡(luò)異常檢測(cè)方法[J]. 羅婭,陳文.  西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[7]非負(fù)矩陣分解在免疫入侵檢測(cè)中的優(yōu)化和應(yīng)用[J]. 張鳳斌,葛海洋,楊澤.  計(jì)算機(jī)工程. 2016(05)
[8]一種基于肯定選擇的異常檢測(cè)方法[J]. 范九倫,蘇晗.  西安郵電大學(xué)學(xué)報(bào). 2016(02)
[9]基于ISM特性的檢測(cè)器生成算法及模型[J]. 馬占飛,楊樹(shù)英,郭廣豐.  控制與決策. 2016(03)
[10]基于復(fù)合免疫算法的入侵檢測(cè)系統(tǒng)[J]. 馮翔,馬美怡,趙天玲,虞慧群.  計(jì)算機(jī)科學(xué). 2014(12)



本文編號(hào)：3426240